基于支持向量回归和差分进化的股票价格预测
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 课题研究背景和意义 | 第7页 |
| 1.2 国内外相关研究综述 | 第7-9页 |
| 1.3 本文的研究方法与创新点 | 第9-10页 |
| 1.4 本文的研究内容和框架结构 | 第10-11页 |
| 第2章 理论基础 | 第11-30页 |
| 2.1 支持向量机 | 第11-17页 |
| 2.1.1 支持向量机的概述 | 第11页 |
| 2.1.2 支持向量机的基本思想 | 第11页 |
| 2.1.3 最优分类超平面 | 第11-13页 |
| 2.1.4 线性支持向量机 | 第13-15页 |
| 2.1.5 非线性支持向量分类机 | 第15-16页 |
| 2.1.6 非线性支持向量回归机 | 第16-17页 |
| 2.2 群体智能进化算法 | 第17-27页 |
| 2.2.1 群体智能算法概述 | 第17-18页 |
| 2.2.2 遗传算法 | 第18-22页 |
| 2.2.3 粒子群算法 | 第22-24页 |
| 2.2.4 差分进化算法 | 第24-27页 |
| 2.3 改进的网格搜索法 | 第27-28页 |
| 2.4 股票的技术指标 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 改进DE-SVR模型构建 | 第30-36页 |
| 3.1 模型建立的总体思想 | 第30-31页 |
| 3.2 交叉验证 | 第31-33页 |
| 3.3 改进的差分进化算法 | 第33-35页 |
| 3.3.1 改进缩放因子 | 第33页 |
| 3.3.2 改进变异算子 | 第33-35页 |
| 3.4 模型的评价 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 实验 | 第36-49页 |
| 4.1 实验工具 | 第36页 |
| 4.2 实验数据 | 第36-37页 |
| 4.3 数据预处理 | 第37-40页 |
| 4.3.1 特征生成 | 第38页 |
| 4.3.2 归一化 | 第38-40页 |
| 4.4 SVR的参数优化 | 第40-46页 |
| 4.4.1 网格搜索法优化 | 第40-42页 |
| 4.4.2 遗传算法和粒子群寻优 | 第42-45页 |
| 4.4.3 改进的差分进化算法寻优 | 第45-46页 |
| 4.5 实验结果和分析 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 研究工作总结 | 第49页 |
| 5.2 研究局限与期望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-54页 |
